Repozytorium zawiera kompletny zestaw skryptów w Pythonie (1.py … 14.py) służących do analizy jakości wód (inflow/outflow) na podstawie danych środowiskowych.
Celem projektu jest:

• eksploracja i przygotowanie danych,
• testy statystyczne i korelacje,
• redukcja wymiarowości (PCA),
• grupowanie obserwacji (klasteryzacja KMeans),
• modelowanie jakości wody (Random Forest),
• interpretacja wyników za pomocą analiz ważności cech i wykresów zależności częściowych.

• 1.py – statystyki opisowe (średnie, min, max, odchylenia standardowe) dla inflow/outflow
• 2.py – testy statystyczne (t-Student, Mann–Whitney U) dla zmiennych numerycznych
• 3.py – wizualizacja wyników testów, boxploty i wykresy porównawcze
• 4.py – identyfikacja silnych korelacji pomiędzy zmiennymi (|r| > 0.7)
• 5.py – test liniowości zależności i funkcja test_linearity
• 6.py – macierze korelacji Spearmana (dla inflow i outflow) + heatmapy
• 7.py – regresje nieliniowe (LOWESS) dla silnie skorelowanych par zmiennych
• 8.py – PCA (redukcja do 2D i 3D) + standaryzacja danych
• 9.py – analiza ładunków PCA (zmienne o największym wpływie na PC1 i PC2)
• 10.py – klasteryzacja KMeans + wybór liczby klastrów metodą silhouette score
• 11.py – preprocessing: wczytywanie danych z CSV, konwersja dat, przygotowanie PCA i klastrów
• 12.py – model Random Forest do predykcji zmiennej DO (rozpuszczony tlen)
• 13.py – poprawiony model RF (bez użycia DO jako predyktora), ewaluacja na zbiorze testowym
• 14.py – końcowe modelowanie: Random Forest + interpretacja (Permutation Importance, PDP)

• Python 3.9+
• Zależności:
  • pandas, numpy
  • scipy, statsmodels
  • matplotlib, seaborn
  • scikit-learn
  • dateutil
  • (opcjonalnie) ace_tools

Instalacja:

pip install -r requirements.txt

Każdy etap można uruchamiać oddzielnie:

python 1.py
python 2.py
...
python 14.py

Rekomendowana jest praca w środowisku Jupyter/Colab, gdzie wyniki są prezentowane jako wykresy i tabele.

Projekt dostarcza:

• statystyk opisowych dla danych inflow/outflow,
• wyników testów statystycznych i analiz korelacji,
• wizualizacji PCA i klasteryzacji KMeans,
• modelu predykcyjnego jakości wody (Random Forest),
• interpretacji istotności cech (Permutation Importance, PDP).

1. Klaudia Levita
2. Tymoteusz Miller (wsparcie merytoryczne)

MIT License – szczegóły w pliku LICENSE.